Inside Kate Ryder & Maven Clinic''s Effort to Transform Women''s Healthcare with AI

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Inside Kate Ryder & Maven Clinic’s Effort to Transform Women’s Healthcare with AI를 중심으로, 출발점은 여성·가족 건강의 진료와 보험 공백이다. 산후우울증 전문 진료, 난임 치료 보장, 출산 이후 지원의 부족이 창업를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 출발점은 여성·가족 건강의 진료와 보험 공백이다. 산후우울증 전문 진료, 난임 치료 보장, 출산 이후 지원의 부족이 창업 배경이다. 메이븐은 고용주·건강보험 파트너를 통해 접근성을 넓혔으며, 서비스 범위도 임신·출산에서 남성 건강과 폐경까지 확장했다.
2. AI는 내부 행정 업무에서 먼저 적용했다. 초기 모델을 환자에게 직접 제공하기에는 부족하다고 판단해 난임 복지·결제·진료 운영부터 살폈다. 30시간 작업을 10분으로 줄일 수 있는지 탐색했고, 일부 기본 업무에서는 시스템 측면의 연간 비용이 약 20만 달러에서 2달러 수준으로 줄었다는 사례를 소개했다. 이는 특정 업무의 사례이며 전체 운영비 절감을 뜻하지 않는다.
3. 환자용 AI의 방향은 개인화와 의료진 연결이다. 의료진용 기록 도구에 이어 ‘메이븐 인텔리전스’를 출시했다. 개인별 위험과 보험 보장을 안내하고, 선택적으로 연동한 웨어러블 정보를 활용해 필요한 상담으로 이어주는 구상이다. 공개 자료와 내부 데이터, 의료진 경험을 활용하지만 여성 건강의 데이터 부족을 보완하는 작업은 초기 단계다.
4. 전사 확산과 전체 투자 수익 검증은 별개의 과제다. 각 팀의 에이전트 업무 흐름 개발과 AI 코드 생성이 확산됐고, Claude·OpenAI·Gemini 등 여러 모델을 활용한다. 그러나 인터뷰 당시 AI 예산은 설정한 한도에 거의 도달했으며, 전체 지출의 투자 수익은 명확하지 않았다. 평가 기준도 사용량에서 실제 효율성으로 옮기는 중이다.
5. 확장의 조건은 신뢰와 전체 절차의 처리 능력이다. 메이븐은 데이터 비판매·비식별화와 의료진 참여를 원칙으로 제시한다. 여성 건강 데이터의 편향, AI 활용 능력에 따른 격차도 남아 있다. 요청 작성을 자동화해도 접수·심사 역량이 따라오지 않으면 ‘에이전틱 플러딩’으로 전체 처리가 오히려 늦어질 수 있다.

🧩 배경과 문제 정의

• 여성 건강에는 산후우울증 전문 진료, 난임 치료의 보험 보장, 출산 이후 지원 등 여러 공백이 존재한다. 가족을 꾸리는 과정의 부담도 여성에게 불균형하게 집중된다.
• 메이븐 클리닉은 기술과 의료진을 연결해 이러한 공백을 메우고, 진료 접근성과 건강 결과를 개선하면서 비용을 낮추려는 목표로 출발했다.
• AI는 행정 업무 자동화와 개인별 건강 지원의 가능성을 넓히지만, 여성 건강 데이터 부족, 편향, 개인정보 보호, 투자 효과 검증이라는 과제도 안고 있다. 메이븐은 의료의 인간적 관계를 유지하는 것을 핵심 원칙으로 삼는다.

🕒 시간순 섹션별 상세정리

1. 여성 건강의 진료·보험 공백에서 출발한 메이븐

• 메이븐은 여성·가족 건강에 특화된 가상 클리닉으로, 15종이 넘는 의료 제공자와 2,300곳 이상의 고용주·건강보험 파트너를 통해 2,800만 명 이상이 이용할 수 있는 규모로 성장했다. [01:32]
• 라이더의 친구는 산후우울증을 겪으면서 적절한 전문 의료진을 찾지 못했고, 다른 친구는 시험관아기 시술의 보험 보장이 없어 한 차례 시술 비용만 감당할 수 있었다. 이러한 경험이 기술과 의료진으로 가족 형성 과정의 지원 공백을 메우려는 창업으로 이어졌다. [02:15]

2. 원격진료의 낯섦을 넘어 의료의 기본 인프라가 된 기술

• 창업 당시에는 의료보험 개혁, 대형 기술 기업의 의료 진출, 초기 원격진료 서비스가 맞물리고 있었다. 메이븐은 이러한 변화를 여성 건강처럼 지원이 부족한 영역에 적용할 기회로 봤다. [04:40]
• 팬데믹은 사람들이 디지털 의료를 급격히 받아들이는 계기가 됐다. 라이더는 더 나은 건강 결과, 더 낮은 비용, 더 넓은 접근성을 동시에 달성하려면 기술이 의료 모델의 중심에 있어야 한다고 본다. [05:56]

3. 환자 대상 도입에 앞서 행정 업무에서 확인한 AI의 효과

• 메이븐은 기존에도 머신러닝을 사용했지만, 라이더는 약 3년 전 투자사 행사에서 모델 발전 속도를 논의한 뒤 생성형 AI의 변혁 가능성을 더 크게 받아들였다. 당시 관심사는 일시적 유행인지, 모델 성능 향상이 지속될 변화인지였다. [07:27]
• 초기 모델은 환자에게 직접 제공하기에 충분하지 않다고 판단해 내부 업무부터 적용했다. 난임 치료 복지, 결제, 진료 운영에 수반되는 행정 절차에서 30시간 걸리던 작업을 10분으로 줄일 수 있는지 탐색했다. [08:57]

4. 전사적 AI 활용과 환자용 ‘메이븐 인텔리전스’의 등장

• 메이븐은 분기별 해커톤을 열어 재무·법무·엔지니어링 등 각 팀이 자신의 문제에 맞는 에이전트 업무 흐름을 만들도록 한다. 현재는 거의 모든 코드가 AI로 생성될 만큼 제품 개발 방식도 달라졌다. [10:24]
• 의료진용 AI 기록 도구 등을 먼저 도입한 뒤, 인터뷰 기준 올해 첫 본격적인 환자용 AI인 ‘메이븐 인텔리전스’를 출시했다. [11:07]

5. 여러 모델을 활용하되 투자 수익은 아직 검증 중

• 메이븐은 기업용 Claude와 OpenAI·Gemini 등 여러 모델을 활용한다. 서로 다른 플랫폼의 모델을 함께 사용해 특정 모델에 대한 의존도를 낮추고 품질을 높이려는 방식이다. [12:24]
• 개별 기능은 질의 빈도와 이용자 참여도로 평가할 수 있지만, AI 지출 전체의 투자 수익은 아직 명확하지 않다. 인터뷰 시점에는 올해 설정한 AI 예산에 거의 도달한 상태였다. [13:08]

6. 개인정보 보호와 의료진 연결을 전제로 한 선제적 건강 지원

• 메이븐은 창업 초기부터 ‘의료를 인간적으로 유지한다’는 가치를 두었다. 데이터를 판매하지 않고 회원의 경험과 건강 결과 개선에만 사용하며, 개인정보 보호 관련 법규를 준수하고 데이터를 비식별화한다는 원칙을 적용한다. [14:31]
• 라이더는 자간전증 위험이 높은 39세의 두 번째 임신이자 쌍둥이 임신이라는 상황을 예로 든다. AI가 개인별 위험과 보험 보장을 안내하고, 회원이 웨어러블 데이터 연동을 선택하면 혈압·수면 등의 정보를 활용하는 동반자 역할을 할 수 있다는 구상이다. [15:21]

7. 가족 돌봄에서 경험한 AI의 도움과 제품 개발에 준 영향

• 라이더는 집안의 행정 업무를 줄이고 자녀에게 역사와 세상을 설명하는 데 AI를 활용한다. 프랑스 여행 중 나폴레옹과 관련된 장소에서 아이들에게 이야기를 들려주는 데도 도움을 받았다. [17:05]
• 프랑스에서 사고를 당한 어머니를 돌볼 때는 번역, 검사 결과 이해, 새로운 증상에 대한 질문에 AI를 사용했다. 부적절하게 처방된 약을 발견하는 데 도움을 받아 의사에게 문제를 제기했고, 의사는 다른 치료 방법을 제안했다. [17:43]

8. 여행 계획은 간편해졌지만 가족 일정 에이전트는 미완성

• AI는 여행이나 여유 시간의 활동을 계획할 때 검색에 오래 쓰던 시간을 줄여준다. [20:22]
• 부부와 보모가 공유하는 주간 일정을 관리할 에이전트는 필요성을 느끼면서도 아직 만들지 못했다. 라이더는 직접 구축할 시간을 내기 어려워, 간단히 설정해 사용할 수 있는 서비스가 나오면 비용을 지불할 의향이 있다. [20:42]

9. 지식 관리에서 먼저 드러난 조직 차원의 가치

• AI는 조직의 데이터를 더 넓게 공유하고 구성원 사이의 공통 이해를 높이는 지식 관리에 가치를 만들고 있다. 다만 측정은 아직 초기여서, 사용량 중심 평가를 효율성 중심으로 바꾸는 중이다. [21:43]

10. AI 불신과 여성 건강 데이터 부족이 만드는 격차 위험

• 라이더는 AI에 대한 불신 때문에 의료 체계와 필요한 방식으로 상호작용하지 못하는 사람들이 생기고, 이들이 더 나쁜 건강 결과를 겪을 위험이 있다고 본다. 건강 정보를 이해하고 활용하는 능력의 차이도 우려한다. [22:16]
• 기존 데이터만 학습하는 모델에는 편향이 남을 수 있으며, 여성 건강은 기초 데이터 자체가 부족하다. 라이더는 이런 위험을 인정하면서도 AI를 해결책을 찾는 데 활용할 수 있다는 낙관을 유지한다. [22:56]

11. 중요한 글쓰기와 독립적 사고는 직접 수행한다

• 라이더는 독립적으로 사고하는 힘을 기르기 위해 자녀에게 매일 읽으라고 강조한다. 기자 출신으로서 회사 메시지, 블로그, 메모 등 중요한 글은 자신이 먼저 쓴다. [23:18]
• AI는 중요한 글의 저자보다 초안을 검토하는 조력자로 활용한다. 일상적인 이메일 작성에는 쓰지만, 중요한 내용을 생각하고 표현하는 과정은 직접 수행한다. [23:41]

12. 2030년의 기회로 보는 조직 확장·예방·의료비 투명성

• 일부 기능은 이미 에이전트 중심으로 운영할 가능성이 보이지만, 소수 인력이 남는 구조에서 업무의 중복성과 운영 위험을 어떻게 관리할지는 미해결 문제다. AI가 조직 확장을 지원하는 지식 관리 체계가 될 것으로 기대한다. [24:33]
• AI는 환자가 건강 정보를 활용하는 방식과 의료 지원을 크게 바꾸고, 예방과 장수에 대한 관심을 뒷받침할 수 있다고 전망한다. [25:02]

13. 처리 능력을 넘어서는 ‘에이전트 요청 폭증’의 역효과

• AI가 이의신청과 각종 서류를 빠르게 작성하면서, 이를 접수하는 행정 체계의 처리 능력을 압도할 수 있다는 우려가 있다. 라이더가 읽은 기사에서는 이를 ‘에이전틱 플러딩’이라고 불렀다. [25:46]
• 주택 용도지역 규정에 대한 이의신청을 예로 들면, 모두가 쉽게 신청하게 되면서 통상 두 달 걸리던 처리가 오히려 2년으로 늘어나는 상황을 상상할 수 있다. 요청 생성의 자동화만으로 전체 절차가 빨라지는 것은 아니라는 문제다. [26:12]

14. 함께 일하는 리더십과 더 직접적인 소통

• 라이더는 진정성과 겸손을 바탕으로 팀을 돕는 리더십을 지향한다. 팀과 함께 현장에서 일하는 것을 좋아하며, 구성원이 자신보다 더 열심히 일해야 한다고 생각하지 않는다. [26:46]
• 창업 이후에는 어려운 말도 피하지 않고 더 직접적으로 전달하는 방향으로 변화했다. 경영진 회의와 전사 회의에 더해 일대일 대화와 소규모 만남에 시간을 쓰는 것을 중요하게 여긴다. [27:24]

15. 양육 경험이 넓힌 공감과 직원별 차이에 대한 이해

• 서로 다른 세 자녀를 키우면서 공감과 인내가 커졌다. 직원도 피드백을 받아들이는 방식과 필요가 다르고, 세부 실행에 강한 사람과 큰 그림에 강한 사람의 장점이 다르다는 점을 더 깊이 이해하게 됐다. [28:44]
• 직원은 이전 직장과 상사, 개인적인 삶에서 쌓인 경험을 가지고 일터에 온다. 사람을 이끌 때는 현재 업무뿐 아니라 이런 배경까지 함께 고려하려 한다. [29:06]

16. 대화를 통한 사고 정리와 의료 CEO 이사들의 조언

• 라이더는 외향적인 성향으로 대화하면서 생각을 정리한다. 어려운 경영 문제를 고민할 때는 이사회 구성원들, 특히 자신도 의료 분야 CEO로 일하는 독립 이사들에게서 도움을 얻는다. [29:40]

17. CEO의 자신감과 솔직한 문제 공유는 함께 필요하다

• CEO 모임에서 어려움을 털어놓으면, 겉으로는 모든 일이 잘 풀리는 듯한 동료들도 비슷한 문제와 우려를 겪고 있음을 알게 된다. [30:28]
• CEO는 자신감을 드러내는 동시에 현실을 솔직하게 인정하고 계속 배워야 한다. 해결하려는 문제를 동료들에게 공개하지 않으면 지속적인 학습도 어렵다. [30:43]

18. 일과 가정을 지탱하는 지원망과 개인 시간, 차기 대담의 AI 전망

• 남편과 가족, 부모가 개인 생활을 돕고, 회사에서는 뛰어난 팀과 10년간 함께한 비서실장이 운영을 뒷받침한다. 비서실장은 생각을 함께 발전시키는 파트너이기도 하며, 이런 사람들에게 둘러싸여 있는 것이 중요한 버팀목이다. [31:21]
• 자신만의 시간이 부족해 가족이 잠든 뒤 TV를 몰아보려고 매일 수면 한 시간을 줄인다. 개인적으로 즐기는 시간을 확보하는 것 역시 중요하게 여긴다. [31:36]

🧾 결론

• 메이븐의 AI 도입은 내부 행정 효율화에서 의료진 지원과 환자용 서비스로 확장되는 흐름이다. 적용 범위에 따라 필요한 검증도 달라진다.
• 여성 의료 혁신의 성과는 AI 사용량과 함께 진료 접근성, 건강 결과, 비용, 의료진 연결이 실제로 개선되는지로 판단해야 한다.
• 개인정보 보호와 의료진의 해석·대응 참여는 메이븐이 제시한 서비스 설계의 핵심 원칙이다. 데이터 부족과 편향을 얼마나 줄일 수 있는지는 계속 확인해야 한다.
• 라이더는 조직의 지식 공유와 개인의 정보 이해에서 AI의 가치를 보면서도, 중요한 글쓰기와 독립적인 사고는 직접 수행한다.

📈 투자·시사 포인트

• 효율화 수치의 범위를 구분해야 한다. 특정 업무의 시스템 비용 절감 사례를 회사 전체의 수익성 개선이나 의료비 절감으로 확대 해석하기 어렵다. 총 AI 지출과 실제 업무 성과를 함께 살펴야 한다.
• 내부 데이터와 의료진 경험은 검증이 필요한 자산이다. 메이븐은 지난 10년간의 데이터와 의료진 경험을 활용한다. 이 자산이 환자 지원의 품질과 건강 결과를 얼마나 개선하는지가 사업적 가치를 판단할 관찰 지점이다.
• 고용주·건강보험 파트너를 통한 접근성 확대가 중요하다. 2,300곳 이상의 파트너와 2,800만 명 이상의 이용 가능 규모는 서비스 제공 기반을 보여준다. 실제 이용자 수나 유료 이용 규모와는 구분해서 읽어야 한다.
• 자동화의 가치는 전체 흐름에서 측정해야 한다. 서류 작성 속도가 빨라져도 접수·심사 단계가 막히면 이용자 경험은 악화될 수 있다. 요청 생성부터 처리 완료까지의 시간과 부담을 함께 평가할 필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 30시간 작업을 10분으로 줄이는 내용은 탐색 목표로 제시됐다. 일부 업무의 연간 시스템 비용이 약 20만 달러에서 2달러로 줄었다는 사례도 대상 업무, 산정 범위, 추가 운영비가 충분히 설명되지 않았다.
• 메이븐 인텔리전스의 출시와 활용 방향은 소개됐지만, 환자의 건강 결과 개선이나 안전성을 입증하는 구체적인 평가 결과는 제공되지 않았다. 웨어러블 기반 선제 지원도 구상과 실제 제공 범위를 구분해야 한다.
• 데이터 비판매·비식별화·법규 준수는 회사가 제시한 원칙이다. 외부 모델로 전달되는 정보의 범위, 보관 방식, 환자 동의와 철회 절차의 세부 내용은 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 행정 자동화 사례를 검토할 때 기존 처리 시간·비용, AI 도입 이후 수치, 측정 대상과 기간을 나란히 정리한다. 탐색 목표와 달성 사례를 구분한다.
• 환자용 AI의 실제 기능과 향후 구상을 구분하고, 의료진에게 연결되는 조건과 건강 결과·안전성 평가 자료를 확인한다.
• 의료 데이터의 학습·추론 활용 범위, 외부 모델 제공 여부, 비식별화 방식, 웨어러블 연동 동의 절차를 확인한다.
• 조직의 AI 성과를 평가할 때 사용량과 함께 처리 시간, 검토·수정 부담, 총비용, 최종 처리 완료율을 추적한다.

❓ 열린 질문

• 여성 건강 데이터가 부족한 상황에서 내부 데이터와 의료진 경험을 활용한 AI의 정확성·편향·건강 결과를 어떻게 검증할 것인가?
• 메이븐 인텔리전스가 필요한 진료로의 연결과 비용 절감을 얼마나 개선하는지 보여줄 핵심 지표는 무엇인가?
• 여러 모델을 활용하는 방식이 품질과 의존도 관리에 주는 이점은 추가 지출과 운영 복잡성을 상쇄하는가?